基于Logistic回归模型的苜蓿褐斑病和锈病的图像识别

【作者】 秦丰； 阮柳； 马占鸿； 王海光；

【机构】 中国农业大学植物病理学系；

【摘要】 苜蓿褐斑病(由Pseudopeziza medicaginis引起)和锈病(由Uromyces striatus引起)是两种重要的苜蓿叶部病害,发生较重时会严重影响苜蓿的产量和品质。对植物病害进行及时、准确识别对于病害的监测、预测和防治策略的制定具有重要意义。植物病害的图像识别是随着信息技术迅速发展起来的一种病害识别和诊断方法,并且随着互联网和移动网络的迅猛发展,该种病害识别方法将具有更好的发展和应用前景。本研究提出了一种基于图像处理技术的苜蓿褐斑病和锈病的识别方法。利用获得的苜蓿病害图像,通过人工裁剪获得包含典型苜蓿病斑的子图像,采用中值滤波方法对子图像进行去噪处理,应用K均值聚类算法分割病斑区域,提取病斑区域的颜色特征、形状特征和纹理特征共132个,并将所有特征的范围归一化至[0,1]。利用一种基于关联的特征选择方法(correlation-based feature selection,CFS)选择最优特征子集,根据优选的9个特征,结合Logistic回归方法建立了病害识别模型,所建模型训练集识别正确率为98.88%,测试集识别正确率为96.59%。利用提取的全部132个图像特征,结合随机森林方法也建立了病害识别模型,所建模型训练集识别正确率为100%,测试集识别正确率为96.59%。结果表明,本研究所用两种方法对于苜蓿褐斑病和锈病的识别效果均较好。与随机森林模型相比,基于Lcgistic回归方法所建模型仅使用了9个特征,该方法简单且易于实现,更适于区分这两种苜蓿病害。本研究提出的基于Logistic回归模型的方法可用于苜蓿褐斑病和锈病的识别,对于这两种病害的诊断、防治以及苜蓿安全生产具有一定的意义。更多还原